论文部分内容阅读
1998年,美国工程院院士Norden E.Huang提出了一种全新的信号处理方法即希尔伯特黄变换(Hilbert-Huang Transformation,简称为HHT)。该方法主要包括经验模态分解和希尔伯特谱分析两部分,其核心部分是通过经验模态分解得到信号的固有模态函数及瞬时频率。此方法一经提出被广泛应用于地质、医疗、工程等领域。文中介绍了HHT方法的基本理论概念及算法流程,通过HHT算法分解线性/非线性、平稳/非平稳信号的实验结果表明,由于三次样条插值取信号包络线时不能取得端点值,导致端点包络信息处理不准确,从而产生信号两端的端点效应问题及信号内部的过冲、欠冲等问题。文中提出了两种改进的HHT方法,即基于BP神经网络的HHT方法和多点镜像延拓的HHT方法。在基于BP神经网络改进HHT方法中,先利用BP神经网络预测待分解信号的新极值点,截取两端信号为三次样条插值所需的极值点;在多点镜像延拓改进HHT方法中,直接利用多点镜像延拓值作为三次样条插值所需的极值点,待采集到新的极值点后进行经验模态分解得到固有模态函数,通过上述两种改进方法,端点效应问题得到了明显改善。同时为验证信号分解过程中所产生的虚假分量,利用相关系数方法和归一化互信息理论方法分别对固有模态函数进行判断,实验结果表明:利用归一化的互信息理论可以明显的辨别改进HHT算法中的虚假信号,验证了改进算法的优越性。船用柴油机具有非平稳、非线性的信号特点,以船用柴油机缸盖振动信号为研究对象,将改进的HHT方法与HHT方法分别从固有模态函数和瞬时频率两方面进行实验对比分析,仿真实验结果表明改进的HHT方法能很好地复原原信号,并且有效地解决了端点效应问题。